申请/专利权人:南通大学;中国科学院大气物理研究所
申请日:2023-12-08
公开(公告)日:2024-04-16
公开(公告)号:CN117892613A
主分类号:G06F30/27
分类号:G06F30/27;G06F18/10;G06F18/2431;G06N3/006;G01W1/10
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.03#实质审查的生效;2024.04.16#公开
摘要:本发明公开了一种基于多基地映射的NGO‑mcODM雷电预测方法,通过提取多基地采集站获取的预报因子信息,构成雷电信号高维特征集;并利用Laplacian‑Beltrami算子在黎曼空间中对多基地高维特征进行投影,获得雷电数据高维空间中的低维流形,从而降低多基地高维特征中的冗余性;然后,引入NGO算法对mcODM的超参数进行优化,提高mcODM雷暴预测模型的准确性;最后,利用mcODM雷暴预测模型对雷电进行预测。本发明的NGO‑mcODM雷电预测方法适用于多基地雷电观测站,能够提高雷暴预测的精度与鲁棒性。
主权项:1.一种基于多基地映射的NGO-mcODM雷电预测方法,其特征在于,所述NGO-mcODM雷电预测方法包括以下步骤:步骤A,提取多基地采集站获取的预报因子信息,构成雷电信号高维特征集;步骤B,利用Laplacian-Beltrami算子在黎曼空间中对多基地高维特征进行投影,获得雷电数据高维空间中的低维流形,降低多基地高维特征中的冗余性;步骤C,令最优边际分配机为: 其中,为惩罚模型复杂性的正则化项,wl为第l个评分参数的权重矩阵,l为评分参数,k为评分参数总数,H为评分函数的假定集合;λ为惩罚函数;i=1,2,...,m,m为样本总数;ξi与εi为第i个样本的边际Υhxi,yi和边际均值的偏差,边际均值取值为1,xi为第i个样本的特征,yi为第i个样本的标签;μ、θ为最优边际分配机的超参数,μ∈0,1]为权衡偏差参数,θ∈0,1]为控制支持向量数的零损失段参数;步骤D,引入北方苍鹰优化算法对最优边际分配机的超参数μ和θ进行优化,得到mcODM雷暴预测模型;步骤E,利用mcODM雷暴预测模型对雷电进行预测。
全文数据:
权利要求:
百度查询: 南通大学;中国科学院大气物理研究所 一种基于多基地映射的NGO-mcODM雷电预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。